今天，人类驾驶员的责任是确保车辆保持正确的车道，并在出现偏差时变换车道。自主驾驶和无人驾驶车辆需要对此加以验证后才能做出决策。
这就需要选择使用比车载卫星导航系统更高精度的系统。车载导航系统依靠的是GPS接收机设备，而此类设备通常计算出的位置精度范围为几十米。如果只是想粗略确定下一个路口的距离，如此的精度倒也无可厚非，但却远远无法满足在正确的时间选择正确车道的要求。
传感器融合对高质量定位、导航和授时至关重要
自主驾驶车辆需要准确、可靠、弹性强而且精度达厘米级的定位和导航解决方案，任何低于这个标准的解决方案都可能带来不可接受的安全风险。
为实现这一质量水平，自主驾驶车辆开发商正在探索不同的方法，但所有的作法都是将各种传感器的数据组合在一起，包括GPS/GNSS、激光雷达、雷达、声纳、摄像机、RTK、Wi-Fi、蜂窝和加速度计和陀螺仪等惯性测量单元。
这一过程的挑战在于传感器的效能和可靠性。开发商需要理解每种独立的传感器在真实环境驾驶条件下的性能，以及处理数据的传感器融合算法的可靠性，目的就是实现真正的连续导航。
真实的测试条件既不充分也不切合实际
尽管测试人员需要理解真实的性能，但仅仅通过在真实环境中驾驶车辆不可能达到这一目的。在2016年的一份题为驶向安全的白皮书中(通过“阅读原文”可获取英文片白皮书文档)，兰德公司计算出无人驾驶车辆必须在真实的道路上行驶数亿甚至数千亿英里后，测试人员才能确定其真正的安全性水平。显然，这一目标在数十年，甚至数百年内都是无法实现的。
正如该文所述：“开发人员和测试人员无法通过驾驶达到安全的目的地，需要采用替代方法为真实环境中的测试提供辅助，只有这样才能对自主驾驶车辆的安全性进行评估。”
包含硬件在环的模拟
其中一个替代方案是使用实验室模拟，包括硬件在环。通过在模拟驾驶环境中测试物理硬件单个传感器或整个可驾驶车辆，开发人员可以快速找到以下问题的答案：如果激光雷达由于强光而出现故障，车辆能否计算出准确的位置?如果雨水或灰尘遮挡了相机，或者多路径信号导致GNSS接收器出现混乱，会发生什么情况?如果它们同时发生，会发生什么?
要想理解车辆在真实世界中极为罕见，或是真实测试风险太高的特定场景下的行为，模拟是惟一可靠的方法。如果车辆在弱光条件下准备驶过人行道时有人要通过道路，会产生怎样的后果?车辆是否能“看到”行人并采取制动，还是继续行驶并导致可能的事故?
测试每一种可能场景的惟一办法就是使用模拟。而且模拟也有其它一些优势：它更快，也更廉价，并且使开发人员能够准确回放场景，或者对其进行可控的修改，验证任何修改对车辆控制系统产生的影响。
Warwick大学的硬件在环模拟
一个真正的模拟环境需要集成多种不同的硬件和软件组件，创建出一个全面的测试台。思博伦正在与全世界的CAV研究和测试实验室密切合作，帮助研究人员创建出强健的测试台，对高度自动化和自主驾驶车辆上基于GNSS的定位、导航和授时能力加以验证。
通过与Warwick大学智能车辆研究机构开展合作，我们还在开发一种Wi-Fi信号模拟器，模拟器可与GNSS模拟器结合使用，对GNSS和Wi-Fi位置数据的融合进行测试，以理解GNSS不可用的区域中Wi-Fi信号的定位效果，例如地下停车场景和隧道等。
汽车行业正在努力推出高度自动化和自主驾驶车辆并使之能够应用于真正的道路上，只有对其位置、导航和授时能力执行全面的测试后，才能安全地让这些目标得以实现。
